机器学习：算法简介以及开发流程
算法以及开发流程
明确的几点问题：
1.算法是核心，数据和计算是基础
2. 找准定位，知道算法原理，学会运用。
3.学会分析问题，使用机器学习算法的目的，在什么情况下运用。
4.掌握算法的基本思想，学会对问题用相应的算法解决。
5.学会利用库和框架解决问题。
算法判别依据
数据类型判断：
离散型数据：分类：由记录不同类别个体的数目所得到的数据，又称计数数据，所有这些数据全部是整数，而且不能在细分，也不能进一步提高他们的精确度。
连续型数据：回归变量可以在某个范围内取任一数，即变量的取值可以使连续的，如，长度，时间，质量等，这类整数通常是非整数，含有小数部分。
离散型区间不可分，连续型区间可分
例子：比如对猫狗分类，就是属于离散型。对与股价的预测这个就是连续型。
机器学习算法分类
监督学习：有特征值+目标值
分类 ： k-近邻算法、贝叶斯分类、决策树与
随机森林、逻辑回归、神经网络
回归 ： 线性回归、岭回归
标注： 隐马尔可夫模型
无监督学习：只有 特征值
聚类 ： k-means
机器学习开发流程
1.首先获得原始数据
2.然后明确问题建立模型：根据数据类型划分应用种类
3.然后数据的基本处理，用pandas处理数据（缺失值，合并表。。。）
4.特征工程（对特征进行处理）重要
5.找到合适的算法进行预测或者分析
6.模型的评估，判定效果
7.以API形式提供接口，上线。
create by 0125c